[发明专利]一种考虑冷负荷不确定性的供冷系统鲁棒优化设计方法

说明书

本发明公开一种考虑冷负荷不确定性的供冷系统鲁棒优化设计方法，首先基于负荷频数分布进行时序负荷降维；其次以年总费用为目标函数构建供冷系统鲁棒优化设计模型；模型需满足能量平衡约束，系统中不同类型机组台数、实际开启台数要遵从各自的约束；然后对耗电量进行计算，机组的运行策略需遵从对应约束并对约束条件进行线性化处理；最后论证所选取的鲁棒优化模型负荷组距满足精度要求。本发明为克服已有技术的缺点，提供一种可以解决供冷系统设计过程中面临的负荷不确定性问题的供冷系统优化设计方法。

技术领域

本发明涉及供冷系统优化设计方法，尤其涉及一种考虑冷负荷不确定性的供冷系统鲁棒优化设计方法。

技术背景

建筑空调冷负荷是进行供冷系统优化设计的基础，合理的供冷系统方案是提升建筑运行能效的关键。由于负荷不仅仅影响冷源设备的配置，同时还会影响供冷系统的运行能效，因此，合理的负荷预测是进行供冷系统优化设计的基础和关键。传统的供冷系统设计中，常常基于单一的峰值负荷进行供冷设备的配置，而气象参数、建筑信息以及内扰负荷固有的不确定性导致冷负荷具有随机不确定特征，因此设计人员往往通过安全系数对供冷配置方案进行修正或增加设计冗余以保证在任何不确定定场景下都可以满足负荷需求。然而，这不仅仅导致供能系统设计过大，同时使得运行工况偏离设计工况而导致运行能效下降。另外，在能源系统的规划设计阶段，设计者应该考虑能源需求的不确定性，并给出不确定性能源需求下各评价指标是如何变化的，而设计者必须在这个不确定的环境下做出确定性的设计方案。

概率法可以很好地表征不确定性信息特征，但需要进行大量的蒙特卡洛模拟从而为后期的供冷系统优化设计带来巨大工作量。供冷系统优化设计问题可以被描述为确定的混合整数规划模型，但大量的不确定负荷导致模型求解问题，甚至是不可解。目前已有各种方法解决建筑能源系统规划过程中出现的不确定性参数问题，但各种方法都存在各自缺陷。

利用确定性数学模型也可进行优化设计，首先确定目标函数和初投资费用计算，以时序负荷作为优化边界条件确定冷源系统的运行费用。根据项目情况确定约束条件。这种冷负荷的蒙特卡洛模拟结果可很好的表征冷负荷的不确定性，但增加了优化模型的变量数。而计算机处理能力及Cplex等优化求解器的计算能力是有限的，因此考虑负荷不确定时，很难、甚至无法借助Cplex优化求解器直接求解确定性数学模型。

发明内容

本发明的目的在于克服已有技术的缺点，提供一种可以解决供冷系统设计过程中面临的负荷不确定性问题的供冷系统优化设计方法。

一种考虑冷负荷不确定性的供冷系统鲁棒优化设计方法，包括如下步骤：

(1)采用负荷频数与负荷均值对时序负荷进行降维；

(2)时序负荷降维后，以年总费用为目标函数构建供冷系统鲁棒优化模型；供冷系统鲁棒优化模型需满足冷量供需能量平衡约束，系统中不同类型冷水机组台数及实际开启台数要遵从各自约束；

(3)对冷水机组耗电量进行计算，冷水机组的运行应遵从对应约束并对约束条件线性化处理；

(4)论证所确定的鲁棒优化模型负荷组距满足精度要求；其中，从多次随机模拟负荷中随机抽取一次负荷作为鲁棒优化模型及确定性模型的优化边界条件，定义鲁棒优化模型以及确定性优化模型的目标函数值的平均绝对相对误差作为鲁棒优化模型精度评价指标，接着以一定的负荷组距对抽取的时序负荷进行降维并带入鲁棒优化模型进行供冷系统优化设计，确定性模型中采取时序负荷，接着选取不同负荷数据作为鲁棒优化模型的边界条件做求解运算，判断模型精度。

其中，冷量供需平衡约束是供冷系统优化配置模型中的基本约束条件，表示所有冷水机组的制冷量大于等于逐时冷负荷，表示如下：